طراحی زنجیره توزیع و تلقیح واکسن در شرایط پاندمی (مطالعه موردی واکسن کرونا)

پژوهش حاضر یک مدل غیرخطی سه‌هدفه زنجیره توزیع و تلقیح واکسن با درنظر گرفتن مساله مکان‌یابی-تخصیص، موجودی تحت عدم قطعیت تقاضا با یک سیستم صف شلوغ تحت شرایط پایداری ارائه می‌دهد. هدف حداقل‌سازی میانگین زمان انتظار واکسیناسیون، ‏به حداقل ‌رساندن هزینه‌های سفارش کلی، نگهداری، تاسیس مرکز تلقیح جدید و کاهش اثرات مخرب زیست‌محیطی ناشی از واکسیناسیون و تاسیس مرکز جدید است. با توجه به نوع مدل، از الگوریتم nsga-ii جهت حل استفاده گردید. نتایج تحلیل حساسیت در یک مثال کوچک عددی نشان داد، با افزایش میانگین زمان انتظار، هزینه‌های کل مساله کاهش می‌یابد. همچنین تحلیل حساسیت مدل در نرخ‌های مختلف عدم قطعیت نشان داد، که افزایش نرخ عدم قطعیت، تعداد افراد نیازمند واکسن در شبکه را افزایش داده و به‌دلیل محدود بودن ظرفیت مراکز و همچنین ثابت بودن دیگر پارامترها، هزینه‌های متحل بر شبکه افزایش می‌یابد. از سوی دیگر بیشتر شدن واکسن‌های سفارش داده شده و آماده توزیع، سبب افزایش میانگین زمان انتظار در مراکز توزیع، زباله‌های ناشی از آن‌ها و میزان انتشار گازهای مخرب زیست‌محیطی می‌گردد. با کاهش ظرفیت مراکز تلقیح به‌دلیل ثابت بودن مقدار سفارش واکسن، تعداد مراکز تلقیح بیشتری ایجاد شده که منجربه افزایش هزینه‌های ناشی از احداث و میزان حمل‌ونقل در شبکه، افزایش اثرات مخرب زیست‌محیطی ناشی از احداث و حمل‌ونقل می‌گردد. این امر موجب کاهش نرخ ورودی به هر مرکز، طول صف و درنهایت میانگین زمان انتظار می‌گردد. درنهایت 15 مثال عددی در ابعاد مختلف طراحی و کارایی الگوریتم پیشنهادی بررسی شده است.

vaccine distribution and inoculation chain design in pandemic conditions (case study of corona vaccine)

this research has presented a three-objective nonlinear mathematical programming model for optimizing the vaccine distribution chain in the pharmaceutical industry. with regard to stability issues, this involves considering location allocation, inventory under uncertain demand, and a crowded queue system with regard to stability and minimizing vaccination waiting times, ordering costs, vaccine holding costs, establishing new vaccination centers, and reducing harmful environmental waste caused by vaccinations and establishing new vaccination centers. as this problem is np-hard, the nsga_ii algorithm was used. in a numerical example, sensitivity analysis showed that increasing the average waiting time decreased the total costs of the problem, while increasing the amount of generated garbage increased the total costs of the network. moreover, a sensitivity analysis of the model at various levels of uncertainty revealed that with an increase in uncertainty, the network will have more people who need vaccines, which increases the network’s costs. due to the limited capacity of the centers and the fixed parameters of the network, costs increase. in contrast, the increased number of vaccines ordered and ready for distribution results in an increase in the average waiting time in distribution centers and waste. as a result of reducing the capacity of inoculation centers due to the fixed amount of vaccine orders, more centers were built, resulting in an increase in construction costs and increase in greenhouse gases due to the construction of a new center and transportation. thus, the rate of entry to each center will decrease, as well as the length of the queue, ultimately leading to a decrease in average waiting time. in addition, 15 numerical examples have been examined to demonstrate the efficiency and design of the proposed algorithm.